-
公开(公告)号：CN105608073A
公开(公告)日：2016-05-25
申请号：CN201511029415.2
申请日：2015-12-30
Applicant: 广东工业大学
CPC classification number: G06F17/2785 , G06F16/29
Abstract: 一种针对GIS数据的建模方法，包括以下步骤：建立包含带有语义信息逗留点的路网集合，计算语义轨迹a和语义轨迹b中边的公共区间长度、基于逗留点的两条边的相似度和基于距离的正则化相似度，再计算语义轨迹a和语义轨迹b中两条边之间的相似度，根据边之间的相似度，计算语义轨迹a和语义轨迹b的第一相似度和第二相似度，最终得到轨迹a和轨迹b的最大加权相似度。因此，本申请在计算轨迹间的相似度时，使用了语义信息，使计算结果更精准。
-
-
公开(公告)号：CN104166663A
公开(公告)日：2014-11-26
申请号：CN201410024392.5
申请日：2014-01-20
Applicant: 广东工业大学
IPC: G06F17/30
CPC classification number: G06F17/30241
Abstract: 本发明公开了一种基于多维度的打车位置推荐系统及其推荐方法，该系统包括：出租车历史GPS数据筛选和导入模块、MySQL数据库模块、基于Android平台的打车位置推荐客户端、数据挖掘算法训练数据库表模块、缓存刷新模块、服务器端与客户端衔接模块、后台管理系统。基于多维度的打车位置推荐方法能够有效地把握打车路口的时间维度、空间维度、客户打分参考等维度的空车概率信息，使综合各维度所得的空车概率趋于精确，客户打车的成功率得到较大提高。
-
公开(公告)号：CN115170843B
公开(公告)日：2025-05-02
申请号：CN202210827709.3
申请日：2022-07-14
Applicant: 广东工业大学
IPC: G06V10/74 , G06F17/16 , G06V10/762 , G06V10/774
Abstract: 本发明提出一种基于嵌入特征提取的多视图一致性图像聚类方法及系统，涉及多视图图像数据聚类处理的技术领域，通过对原始多视图数据的数据矩阵进行处理，获取每个视图的样本嵌入和特征嵌入，对每个视图的特征嵌入进行群稀疏约束，实现对原始多视图数据特征嵌入的降噪，再通过二部图将原始多视图数据的特征嵌入和样本嵌入相连接进行特征提取，嵌入知识通过二部图在特征嵌入和样本嵌入之间传递，相互促进充分学习视图内的信息，包含在数据特征中的冗余信息和噪声的影响被有效消除，以最大限度提高模型对多视图数据的一致性学习，从而使得最终学习的一致性图能够更加准确，在最后的一致性图对应的拉普拉斯矩阵上加上秩约束从而直接的到聚类结果。
-
公开(公告)号：CN119293579A
公开(公告)日：2025-01-10
申请号：CN202411308959.1
申请日：2024-09-19
Applicant: 广东工业大学
IPC: G06F18/241 , G06F18/10 , G06N3/042
Abstract: 本发明涉及多域数据交互的技术领域，公开了一种基于最优传输的多域数据分类方法及系统，包括以下具体步骤：获取不同域的带属性的数据；对带属性的数据进行预处理，构造图数据；考虑域内和域间搬运的代价及约束条件，设置最优传输目标函数、得到域间样本最优传输方案；利用域间样本最优传输方案合并域；将合并后的域输入到图神经网络，获得节点表示；具体的，通过将合并后的域输入到图神经网络后，图神经网络的每一层将合并后的域的邻接矩阵和原始属性输入到图神经网络中，获得节点表示；基于节点表示，获得分类结果。本发明解决了现有分类技术忽略边中的结构信息的问题，且具有能够提升数据表征学习效率和分类准确率的特点。
-
Patent Agency Ranking
公开(公告)号：CN117893283A
公开(公告)日：2024-04-16
申请号：CN202410064384.7
申请日：2024-01-16
Applicant: 广东工业大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/9538 , G06F18/213 , G06F18/25 , G06F18/22
Abstract: 本发明涉及数据挖掘领域，更具体地，涉及一种多类型行为序列预测推荐方法、系统以及存储介质。其中方法包括：获取用户特征信息、商品信息以及多种行为对应的购物篮数据；然后进行编码；根据编码获得的各向量获得多种融合行为向量序列；将多种最终行为向量序列的每一种融合行为向量序列与其他融合行为向量序列分别建立隐式依赖关联和显式依赖关系，获得多个隐式和显式行为混合特征向量；然后计算获得所有商品在各行为预测购物篮中的出现概率；然后完成对商品的推荐显示。本发明通过分别建立隐式依赖关联和显式依赖关系可以将多行为信息充分融合、解决了各行为间存在复杂的耦合依赖关系，从而提高了预测推荐效果。
-
公开(公告)号：CN117219259A
公开(公告)日：2023-12-12
申请号：CN202311104745.8
申请日：2023-08-29
Applicant: 广东工业大学
IPC: G16H50/20 , G16H10/60 , G06F18/2415 , G06F123/02
Abstract: 本发明提出一种基于脑区时序因果关系结构的脑疾病病因诊断方法，涉及人工智能与脑科学的技术领域，首先获取受试者不同脑区的核磁共振数据，形成时间序列数据，并在时序因果模型的基础上考虑隐时间序列，将隐时间序列的分布作为因果模型参数的一部分，从而刻画出核磁共振数据中的非稳态信息，随后近似求解参数的后验概率并优化其变分下界。这一方法在降低求解复杂度的同时，也提高了对脑区的因果网络结构和因果滞后影响长度的识别正确率。本发明能够将现有的知识融入脑区的因果发现中，使得因果结构的识别结果更加贴合大脑实际的工作机制，能够更加准确地发现不同脑疾病下的大脑活动机制，为后续的临床诊断和治疗提供有力的帮助。
-
公开(公告)号：CN116965834A
公开(公告)日：2023-10-31
申请号：CN202310950139.1
申请日：2023-07-28
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于脑电数据的脑区因果关系识别方法及系统，涉及脑区结构推理的技术领域，所述方法包括：对不同受试者个体的脑电数据进数据采集获得不同脑区的脑电数据；根据不同脑区的脑电数据，构建脑区之间的因果关系骨架；在因果关系骨架的基础上，为不同脑区之间建立非线性函数模型；利用非线性函数的因果性质确定脑区的二元因果关系方向；对于受到隐变量脑区变量影响而无法确定因果关系方向的脑区关系，基于因果关系骨架进一步分解至局部结构；在局部结构的基础上定位隐变量并识别余下脑区的多元因果关系方向。本发明能够找到能更符合大脑实际的工作机制，反映不同受试者的大脑工作机制的差异，得到更准确的脑区结构。
-
公开(公告)号：CN113657527B
公开(公告)日：2023-07-07
申请号：CN202110971027.5
申请日：2021-08-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于贝叶斯非参模型的脑功能区划分方法，其包括步骤如下：S1：获取rs‑fMRI数据集中n个脑素的相对位置和时间序列；S2：对计算两两脑素之间的相对位置距离矩阵和时间序列距离矩阵；S3：将相对位置距离矩阵和时间序列距离矩阵进行处理和合并，组成新的距离矩阵，对新的距离矩阵进行重定义操作，得到最终的距离矩阵；S4：根据最终的距离矩阵依次计算每个脑素的先验分配和先验聚类，得到聚类结果；S5：根据聚类结果计算当前贝叶斯非参模型参数，根据当前贝叶斯非参模型参数依次对每个脑素计算分配概率，再分配，S6：判断是否达到指定轮次，若是，则反馈最终的脑素聚类结果以及相应的脑区划分结果，否则回到步骤S5继续执行。
-
公开(公告)号：CN111026852B
公开(公告)日：2023-06-30
申请号：CN201911193643.1
申请日：2019-11-28
Applicant: 广东工业大学
IPC: G06F16/332 , G06F16/36 , G06Q40/00
Abstract: 本发明公开了一种面向金融事件的混合型因果关系发现方法，首先对文本事件因果关系进行抽取；然后结合文本事件所对应的关键词在百度指数上找出事件对应时间序列的关注指数的变化趋势，即搜索指数曲线，并运用传递熵进行时序事件因果关系的推断；最后用最大似然估计方法融合因果关系抽取结果和基于搜索指数曲线的时序数据进行因果关系推断所得的结果，生成一种因果关系发现。本发明方法可以对金融事件对所蕴含的因果关系进行快速的甄别与发现。
-
-
-
-
-
-
-
-
-
Search Results
195
records
(took 0.026 seconds)
